Преимущества разработки продукта на основе аналитики

Посмотрите, как системное моделирование и возможности Интернета вещей могут замкнуть цикл обратной связи по данным.

После того, как продукт продан, инженеры по продукту обычно получают очень мало отзывов о его работе в полевых условиях. Так больше не должно быть. При правильном решении производители продуктов могут сочетать моделирование систем и возможности Интернета вещей для улучшения конструкции продуктов, а затем принимать решения с использованием моделирования на основе реальных случаев нагрузки.

Недавно RTInsights провела встречу с Жасмин Кляйн, специалистом по глобальному развитию портфолио, и Кристианом Бинковски, менеджером по облачным решениям, Siemens, чтобы обсудить преимущества включения цикла обратной связи между инженерами по продукту и устройством в полевых условиях для достижения оптимизации продукта в режиме реального времени, цифровой близнецы и многое другое. Вот краткое изложение разговора.

RTInsights:что такое разработка продукта на основе аналитики?

Кляйн: Разработка продукта на основе аналитики позволяет пользователям получать данные о производительности продукта или машины в полевых условиях и передавать их обратно в имитационную модель продукта для улучшения конструкции продукта. Когда оперативные производственные данные возвращаются в модель, создается замкнутый цифровой двойник.

Затем этот цифровой двойник можно использовать для активного улучшения дизайна продукта. Например, если в продукте возникают проблемы, вы можете запустить для него точную симуляцию, используя данные в реальном времени, и начать определять основную причину любой проблемы. Когда проблемы будут полностью поняты, необходимые изменения могут быть внесены в дизайн для будущих итераций. Влияние изменений также можно точно проверить, используя более точную имитационную модель с реальными данными от машины.

RTInsights:каковы преимущества разработки продукта на основе аналитики?

Кляйн: Благодаря точному моделированию разработчики не только могут принимать более обоснованные решения, но и сокращают время и затраты на вывод новых проектов на рынок. Необходимость в прототипировании практически отпадает. Компании имеют возможность разрабатывать продукты, ориентированные на пользователя, которые удовлетворяют потребности клиентов и повышают их удовлетворенность. Они могут учиться на проблемах в полевых условиях, используя реальные данные, моделируя ошибки и улучшая дизайн. Таким образом, они могут устранить проблемы с продуктом, сэкономить время и деньги за счет сокращения времени проверки продукта и избежать чрезмерного проектирования. Вместе это повышает общую эффективность.

RTInsights: Какое решение предлагает Siemens в этой области?

Бинковски: У Siemens есть MindSphere®, промышленное решение IoT как услуга, которое объединяет продукты, машины и системы всех типов и марок. Это решение собирает, агрегирует, управляет и анализирует данные о производительности. В частности, для решения MindSphere Analytics-Based Product Engineering MindSphere легко интегрируется с Simcenter ^TM . Амесим ^TM программное обеспечение через специальный разъем. Приложение MindSphere использует этот коннектор для отправки данных о производительности в режиме реального времени обратно в имитационные модели.

(Программное обеспечение Simcenter Amesim моделирует все различные типы мехатронных систем. Оно поставляется с множеством библиотек и шаблонов решений для машин, автомобилей, аккумуляторов, кораблей и многого другого.)

Установив соединение между обеими системами, вы можете выбрать данные временных рядов, которые хотите изучить. Например, если в поле возникла проблема, вы можете смоделировать ситуацию за 20 минут до или во время этого инцидента. Вы можете выбрать период времени в MindSphere, и MindSphere сгенерирует пакет моделирования и передаст его в Simcenter Amesim. Затем выполняется моделирование, и после его завершения вы можете просмотреть результаты моделирования в MindSphere.

RTInsights: Можете ли вы привести примеры использования и успехов?

Кляйн: Я бы начал с общего варианта использования. Сегодня в большинстве случаев машина отгружается заказчику, и менеджер по продукту никогда не получает никакой информации о производительности машины в полевых условиях для улучшения конструкции продукта. Всякий раз, когда возникает проблема, связывается со службой поддержки, и проблема устраняется на месте клиента. Информация от поддержки обычно не доходит до разработчика продукта, либо передается намного позже. Из-за этих пробелов инженер по продукту должен разработать дизайн, основанный на гипотезах, что приводит к чрезмерному или недостаточному проектированию. В конечном итоге это означает, что требования клиентов не выполняются или не будут выполнены в будущем.

Инженерный подход, основанный на аналитике, предлагаемый MindSphere, обеспечивает обратную связь для изменения дизайна продукта и повышения его производительности в полевых условиях.

Бинковски: Другой пример — оптимизация производительности существующего продукта. Это решение дает возможность настраивать определенные параметры имитационной модели непосредственно в MindSphere. Например, если у вас есть продукт, который может работать на разных скоростях, вы можете проверить, какая скорость наиболее оптимальна. Используя обновленную имитационную модель для запуска параметров, вы можете тестировать машины, используя текущие условия линии.

Кляйн: Если мы рассмотрим пример клиента, который продает машины, подключенные к решению IoT, такому как MindSphere, этот клиент может непрерывно собирать данные, получать информацию о производительности в любое время, а затем моделировать проблему, используя эту информацию для улучшения дизайна продукта.

Инженер по продукту может учиться и делать выводы непосредственно из текущих данных машины. В конечном итоге это гарантирует, что инженер по продукту сможет разработать продукт, ориентированный на пользователя, и повысить удовлетворенность клиентов.

Одним из примеров является Konecranes, финская компания, специализирующаяся на производстве и обслуживании кранов и грузоподъемного оборудования. Компания внедрила цифровое решение для ускорения процесса разработки продукта и объединения данных о продукте и производительности.

Компания использует MindSphere и Teamcenter®, программное обеспечение Siemens для управления цифровым жизненным циклом, чтобы использовать цифрового двойника для сокращения количества прототипов, которые им необходимо производить. Это помогает им повысить эффективность, а также сократить время проверки продукта. Внедрив цифровое инновационное решение, они ускорили процесс разработки продукта и расширили сотрудничество между подразделениями, занимающимися имитационными испытаниями, и инженерными подразделениями своей компании.